寄生虫诊断的深度技术创新:新的维度和机遇
Subhash Chandra Parija1,2, Abhijit Poddar3
1Vice Chancellor, Sri Balaji Vidyapeeth (Deemed-To-Be-University), Puducherry, India.
Tropical parasitology
|July 7, 2023
概括
深度学习模型通过使用智能手机应用程序从图像中检测寄生虫和蛋的准确度超过99%. 未来的创新旨在提高模型的准确性,以便在寄生虫学中广泛的临床和实地使用.
科学领域:
- 深度技术创新 深度技术创新
- 寄生虫学的寄生虫学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 深度技术正在推动各种领域的创新,包括寄生虫学.
- 智能手机应用程序正在成为检测和诊断寄生虫的强大工具.
研究的目的:
- 审查人类寄生虫检测和诊断的深度技术的最新进展.
- 探索这些创新的现在和未来的维度,机遇和应用.
主要方法:
- 利用监督和无监督的深度学习算法.
- 开发用于寄生虫和蛋预测的自动神经网络模型.
- 使用微观涂抹和样本图像进行分析.
主要成果:
- 从图像中获得的寄生虫和蛋的预测准确度超过99%.
- 证明了深度学习在自动化寄生虫识别中的潜力.
结论:
- 深度技术创新显示出通过智能手机应用程序准确检测寄生虫的重大前景.
- 对于最佳的床边和现场应用,需要进一步考虑寄生虫的复杂性.


